Analytics 3.0: develop products, not PowerPoints or reports!

*Opracowano na podstawie: Davenport, T.H. (2013). The Rise of Analytics 3.0. How to Compete in the Data Economy. eBook: International Institute for Analytics. Portland, Oregon, USA.

W znaczeniu ogólnym, analityka to szeroko rozumiane wykorzystanie danych, analiz statystycznych i ilościowych, modeli wyjaśniających i prognostycznych oraz zarządzania w oparciu o fakty – przy podejmowaniu decyzji i działań.

Analityka łączy w sobie technologię, narzędzia, strategię i określone cele. Ma zindywidualizowany charakter bowiem wymaga dostosowania metod i narzędzi badawczych oraz zdefiniowania mierników sukcesu adekwatnych do charakteru prowadzonej działalności [Davenport i Harris 2010].

Analytics 1.0 – Traditional Analytics

Przyjmuje się, że okres, w którym rozpoczęła się era Analityki 1.0 rozpoczął się w połowie lat pięćdziesiątych, kiedy to UPS zainicjował pierwszą grupę analityczną w USA, i trwał do połowy 2000 roku, kiedy to firmy internetowe zaczęły wprowadzać innowacje w oparciu o analizę danych. Analitykę 1.0 cechowały: (1) stosunkowo małe, uporządkowane źródła danych (dane pochodziły przeważnie z systemów wewnętrznych); (2) analiza opisowa – większość aktywności analitycznej koncentrowała się na analizie opisowej (descriptive analytics) lub raportowaniu; (3) powolne analizy – tworzenie modeli analitycznych było żmudne i czasochłonne; (4) zespół analityków (quantitative analysts) był przeważnie odsunięty od centrum decyzyjnego; (5) niewiele organizacji „rywalizowało na analitykę” – analizy danych pełniły marginalną rolę w realizowanej strategii; (6) decyzje podejmowano w oparciu o doświadczenie i intuicję. W erze Analityki 1.0 ponad 90% aktywności analitycznej obejmowało analitykę opisową lub jedną z form raportowania. Dane pochodziły głównie z wewnętrznych systemów transakcyjnych i dotyczyły dobrze rozumianych domen, takich jak informacje o klientach i produktach. Procesy raportowania skupiał się wyłącznie na przeszłości, z pominięciem prognozowania. Analitycy spędzali większość czasu na przygotowywaniu danych do analizy. Jednocześnie sama analiza, przeważnie ilościowa, zajmowała stosunkowo niewiele czasu. Wszystko to sprawiało, że decyzje podejmowano na podstawie doświadczenia i intuicji [Davenport 2013].

Analytics 2.0 – Big Data

Począwszy od połowy 2000 roku, przedsiębiorcy zaczęli zwracać uwagę na duże zbiory danych. Trend ten zapoczątkował erę Analityki 2.0. Na znaczeniu zyskały dane (fast-moving data) pozyskiwanych online. W erze Analityki 2.0 danych jest bardzo wiele i mają one charakter rozproszony. Dane często pochodzą z zewnętrznych źródeł, w szczególności z Internetu, obserwacji zachowań ludzkich i czujników różnego typu. Zrodziło to nową generację analityków (data scientists). Stali się oni integralną częścią zespołów kreujących nowe produkty. W erze Analityki 2.0 pojawiło się bezpłatne oprogramowanie, które zwiększyło dostępność i popularność analityki. Etos Analityki 2.0 oddają takie zwroty jak: „agile is too slow”, „develop products, not PowerPoints or reports”, „information and hardware and software wants to be free”, „share your big data tools with the community” [Davenport 2013].

Analytics 3.0 – Fast Impact for the Data Economy

Jeszcze do niedawna w analityce danych najczęściej wykorzystywane były modele predykcyjne. Obecnie jednak coraz częściej używa się algorytmów, które wykrywają anomalie i generują alerty w czasie rzeczywistym [Wiecka 2018]. Duże organizacje wkraczają w erę Analityki 3.0, która łączy w sobie najlepsze cechy Analityki 1.0 i 2.0 – duże zbiory danych i tradycyjne narzędzia analityczne. W erze Analityki 1.0 przedsiębiorstwa wykorzystywały hurtownie danych i kopie danych operacyjnych jako podstawę do analiz. W epoce Analityki 2.0 skupiono się na klastrach Hadoop i bazach danych NoSQL. W Analityce 3.0 nowe, „zwinne” metody analityczne i techniki uczenia maszynowego zapewniły znacznie szybszy wgląd w dane i możliwość reagowania w czasie rzeczywistym [Davenport 2013].

Źródła

Davenport, T.H. (2013). The Rise of Analytics 3.0. How to Compete in the Data Economy. eBook: International Institute for Analytics. Portland, Oregon, USA.
Davenport, T.H., Harris J.G. (2010). Inteligencja analityczna w biznesie. Nowa nauka zwyciężania. Warszawa: MT Biznes.
Wiecka, A. (2018). Gospodarka analityczna. Harvard Business Review Polska, 182. Retrieved from: https://goo.gl/HjExAn